基于WGCNA和多个机器学习算法的乳腺癌新生物标志物的查
Xiaohu Jin1, Zhiqi Huang1, Peng Guo2
1Department of Thyroid and Breast Surgery, Nantong City No. 1 People's Hospital and Second Affiliated Hospital of Nantong University, Nantong, China.
Translational cancer research
|July 12, 2023
概括
这项研究确定了包括NEK2在内的八种新的乳腺癌 (BC) 生物标志物,这些生物标志物有可能改善诊断和预后. 这些发现为BC治疗策略提供了新的目标.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 在瘤学瘤学.
背景情况:
- 乳腺癌 (BC) 是全球女性最常见的癌症,需要研究新的诊断和预后标志物.
- 早期检测和有效的治疗策略对于改善BC患者的治疗结果至关重要.
研究的目的:
- 确定和验证乳腺癌 (BC) 的新型诊断和预后生物标志物.
- 根据已识别的生物标志物,探索BC的潜在治疗点和候选药物.
主要方法:
- 从癌症基因图谱 (TCGA) 数据库中分析基因表达数据.
- 使用"limma"和权重基因同表达网络分析 (WGCNA) 识别差异表达基因 (DEG) 和关键模块.
- 通过蛋白质-蛋白质相互作用 (PPI) 网络,机器学习和在公共数据库 (GEPIA,UALCAN,HPA) 中验证生物标志物的选.
主要成果:
- 确定了76个交叉基因,这些基因在与免疫相关的途径中显著丰富.
- 选择了八种潜在的BC生物标志物:DIXDC1,DUSP6,PDK4,CXCL12,IRF7,ITGA7,NEK2和NR3C1. 这些生物标志物包括:
- NEK2成为BC诊断中最关键的基因,而埃托波西德和卢卡苏作为潜在的向药物.
结论:
- DIXDC1,DUSP6,PDK4,CXCL12,IRF7,ITGA7,NEK2和NR3C1被确定为乳腺癌 (BC) 的有前途的诊断生物标志物.
- 在BC诊断和预后中,NEK2显示了临床应用的最大潜力.
- 该研究为开发向治疗和改善BC管理提供了基础.
